函数依赖最小化：功能依赖长度的普遍优势

The Grammar Does the Work: Functional vs. Lexical Dependency Length Minimization Across Universal Dependencies

背景

依存长度最小化（Dependency Length Minimization，简称 DLM）是量化语言学中被广泛支持的跨语言处理通用现象。它源于认知心理学，认为人类在句法处理中倾向于最小化句法相关词语之间的线性距离，以降低工作记忆负荷。早在1998年，Edward Gibson 就提出依赖 locality 理论，指出句法集成成本随依存距离增加而上升。后续研究如 Richard Futrell 等人的大规模跨语言实证（2015）证实了这一现象：37种语言的平均依存距离（Mean Dependency Distance，MDD）显著短于随机基线。

然而，之前的研究通常仅报告每种语言的单一 MDD 值，这掩盖了不同句法关系类型之间的变异。本文作者 Kim Gerdes（巴黎萨克雷大学 LISN，CNRS）指出，这一局限源于未区分功能依存（functional dependencies）与词义依存（lexical dependencies）。前者涉及闭类词（如定冠词、格标记、助动词），后者涉及开类词（如主语、宾语、修饰语）。作者分析了 Universal Dependencies（UD）版本 2.17 及 Surface-Syntactic UD（SUD）中 122 种语言，展示了 DLM 在两个独立水平上运作：语法驱动的优化针对功能依存，处理驱动的优化针对词义依存。这一发现不仅澄清了 DLM 的机制，还为依存语法与认知模型提供了新视角。

核心内容

作者首先回顾了 DLM 的历史与认知基础：从 Hudson（1995）的句法难度测量，到 Liu（2008）提出的 MDD 指标，再到 Gildea & Temperley（2010）和 Futrell et al.（2015）的验证。关键洞见在于，过去研究未区分依存类型，导致无法揭示底层机制。作者提出，DLM 并非单一压力，而是对应语法理论中的两大投影层面（Tesnière 1959；Mel’čuk 1988）：

• 语法驱动的最小化：针对功能依存（det、case、aux、mark、cop、cc、clf 及其子类型）。这些是闭类词，位置严格受语法线性化规则约束，例如定冠词必须紧邻名词。结果是普遍短的依存距离，平均 MDD 为 1.71（标准差 σ = 0.33），跨语言（包括 25+ 家族）完全不变。这种“硬编码”最小化无需处理压力即可实现。

• 处理驱动的最小化：针对词义依存（nsubj、obj、obl、nmod、amod、advmod、advcl、acl、xcomp 等）。这些涉及开类词，位置更灵活。平均 MDD 为 2.87（σ = 0.63），仍显著短于随机基线（优化比率 OR = 0.46，即比随机短 54%），但变异性高，受词序类型（SOV vs. SVO）强烈约束。SOV 语言中词义依存距离更长，符合 Dyer（2023）的发现。

实证设计包括：从 UD v2.17（Zeman et al. 2025）中筛选至少 500 句的 122 种语言树库（总句数约 79.8 万，词元约 1120 万），并对比 SUD。分类严格遵循 UD 中功能词 vs. 内容词的区分：功能依存依赖闭类词，词义依存依赖内容词。随机基线通过 20 次线性位置置换生成（Futrell et al. 2015）。统计验证包括配对 Wilcoxon 检验、线性混合效应模型（控制家族历史）和 Cohen’s d（效应量 > 2.3，表明差距显著）。结果在两种框架下一致：功能 MDD 普遍低且低变异，词义 MDD 高且变异，受词序驱动。

作者还考察了头方向性（head directionality）：功能 MDD 与头方向无关，而词义 MDD 在头-final 语言中更高。这一不对称性在 SUD 中（尽管头方向反转）仍保持（r = 0.92），证明其非注释约定导致。per-relation 分析进一步显示，功能关系（如 det、case）绝对短；词义关系（如 nsubj 在芬兰为 1.8，在印地为 6+）随词序变化。

在讨论层面，作者提出“the grammar does the work”：语法通过局部功能附着构建句子框架（即“脚手架”），让处理压力主导词义头词的有序排列。这细化了 Gibson 的依赖 locality 理论：功能附着集成成本几乎为零，词义附着才是主要驱动。局限包括树库大小与流派差异、特定关系分类的敏感性（附录中多种情景测试均稳健），以及未来可探讨与信息结构、话语关系的交互。

关键要点

• DLM 并非单一现象，而是功能依存（grammar-driven，最短、最稳定：MDD 1.71，σ=0.33）与词义依存（processing-driven，更长、更变异：MDD 2.87，σ=0.63）两个水平的复合。
• 功能依存普遍短（平均 1.71），因闭类词位置受严格语法规则约束，跨 122 种语言不变；词义依存虽短于随机基线（OR=0.46），但受词序类型影响大。
• 该不对称在 UD 与 SUD 中均成立（r=0.92），证明非注释框架导致。
• 词义依存最小化反映真实在线处理压力；头方向性仅影响词义依存。
• 结论：“语法”通过局部功能附着为句子 scaffolding，剩余压力决定词义头词顺序。

意义与影响

本研究为依存句法标注与语言加工模型提供新框架：功能依存的“硬编码”最小化解释了为何 UD 中功能词作为内容词从属会 inflate MDD；词义依存的变异则为跨语言词序研究提供了精确指标。未来 NLP 训练与解析时，可针对性调整（例如在词义依存上施加更强的 DLM 约束）。对认知语言学而言，它证实 DLM 是两个独立机制的产物，而非单一通用压力，有助于细化处理难度模型（如 Gibson 理论）。在实证语言学中，122 种语言的规模分析为 typology 研究提供了基准，尤其对低资源语言的跨框架对比（UD vs. SUD）意义重大。总体而言，本文将 DLM 从“模糊聚合”提升为“可分解机制”，推动依存语法与心理语言学的深度融合，并为 AI 自然语言处理中的句法优化提供理论支撑。